论文部分内容阅读
调制识别是军事和民用领域一个传统而有意义的研究课题。随着软件无线电和正交频分复用技术的蓬勃发展,对调制识别技术的要求也越来越高,一方面,要求算法可硬件快速实现,另一方面又要求算法能适应尽量多的样式、获得尽量高的识别准确率。本文在分析和总结现有文献的基础上,对调制识别做了较深入的研究,从提取有用分类信息、减少特征维数的角度着手研究,主要的工作和研究内容包含以下几个方面:1.介绍了信号的调制理论,对常用域(瞬时特征量、谱、小波、高阶累积量等)下的特征提取作了研究,仿真并分析了分类特征的分布。鉴于噪声和数据长度的影响,单一特征的分类能力是有限的,在此基础上,引出超特征的概念,对特征向量进行抽取,在简单的分类空间对不同的样式进行识别。2.将遗传算法和KNN分类器进行结合,从超特征的角度研究了调制识别问题。针对QPSK和16QAM分类这个基本问题,基于7个高阶累积量值,用c42和c60构造分类参数T,用决策树完成两类的识别;然后,将所有的基础特征输入遗传算法和KNN分类器构建的分类结构中,进化得到最优的分类特征,从特征在超平面的分布看,得到的特征类间分离度高,类内紧凑,识别性能优异,表明方法对于多维特征中内在模式的抽取是有效的。紧接着,讨论了框架中一些复杂的问题:KNN分类器中K值选取,学习样本的选取,适应度函数的设计,以及多类问题的分类策略问题,然后运用算法对BPSK/QPSK/16QAM/64QAM进行了识别,仿真结果在10dB时平均正确率可达96.7%。3.研究了一个具体场景下的调制识别问题。针对几种常见的遥控遥测调制信号(PCM/FM,PCM/BPSK,PCM/QPSK,PCM/UQPSK,PCM/BPSK/PM(标准TT&C)),对信号特性进行研究分析,考虑信号是否有载波残留,平方谱是否有谱线凸出,功率谱密度分布以及谱峰的个数,提出4个分类特征,然后用决策树和遗传算法两种方法分别进行了识别,仿真结果表明,提出的分类特征是有效的,在信噪比10dB,平均正确率可达90%,同时,遗传算法对识别性能的优化作用是明显的。